In collaborazione con Progettare per la sanità Edra

Al Mauriziano di Torino inaugurate due tecnologie innovative per la radioterapia di precisione

Al Mauriziano di Torino inaugurate due tecnologie innovative per la radioterapia di precisione
Le sostanziali innovazioni implementano la diagnostica di routine per numero e per qualità di prestazioni, ma soprattutto introducono sistemi di calcolo dosimetrico delle radiazioni utilizzate nei trattamenti con isotopi, core business del reparto e frontiera della medicina nucleare moderna.

Grazie al finanziamento di 520.000 euro della Fondazione Compagnia di San Paolo, è stato possibile sostituire un obsoleto Tomografo con una nuova apparecchiatura a tecnologia ibrida che integra le immagini di medicina nucleare SPET con quelle radiologiche della TC. Ha inoltre permesso di acquisire un sofisticato programma informatico di dosimetria radiante. 

Tra il 2015 e il 2019 la Fondazione ha erogato oltre 11,8 milioni di euro sul territorio torinese in questo settore, cui vanno poi aggiunti gli 11 milioni del Bando Attrezzature, lanciato nel 2019 che ha sostenuto 15 interventi a favore di Aziende sanitarie della Città Metropolitana di Torino.

Radiazioni in tempi brevi

La seconda apparecchiature è la TrueBeam, operativa presso la Radioterapia Universitaria dell’Ospedale torinese ha comportato un investimento da parte dell’Azienda con fondi propri di 3.750.000 mila euro.

TrueBeam è un acceleratore lineare di ultima generazione progettato per l’esecuzione di trattamenti di radioterapia di altissima precisione e complessità. L’acceleratore consente di somministrare alte dosi di radiazioni in sedi anatomiche poste in stretta prossimità di tessuti sani, preservandone quest’ultimi, mediante l’utilizzo di tecniche volumetriche a modulazione di intensità (VMAT), stereotassiche, di radiochirurgia (SRT) e adattative.

Le caratteristiche che maggiormente contribuiscono alla precisione del nuovo LINAC sono la rapidità di erogazione della dose di radiazioni, che avviene in tempi brevissimi, e la possibilità di acquisire immagini radiologiche (CONE BEAM-CT) dell’anatomia del paziente, prima della seduta di terapia, in maniera tale da poterne definire quotidianamente e con notevole precisione la posizione del volume bersaglio da irradiare e degli organi sani limitrofi da preservare. (Radioterapia Guidata dalle Immagini).

La tecnologia permette di valutare eventuali errori di posizionamento del paziente, e di correggerli attraverso movimenti del lettino robotizzato dell’accelerare che può non solo traslare, ma anche ruotare attorno ai tre assi spaziali individuando le soluzioni più ottimali.

L’acquisizione della CONE BEAM-CT permette di evidenziare e correggere eventuali variazioni della posizione del volume tumorale bersaglio da trattare, legate ad esempio a movimenti involontari del corpo, oppure al non idoneo riempimento di organi sani circostanti (retto e/o della vescica per le neoplasie prostatiche).
E’ possibile inoltre, sulla base del controllo delle variazioni anatomiche, di risposta al trattamento, geometriche e dosimetriche che possono verificarsi durante la radioterapia, utilizzare strategie complesse per ottimizzare, adattare e riadattare il piano di trattamento radioterapico e la sua erogazione (Adaptive Radiotherapy).

Al fine di migliorare ulteriormente la precisione del trattamento radioterapico, il nuovo acceleratore dell’ospedale Mauriziano è dotato di un complesso sistema che permette di monitorare il movimento respiratorio del paziente, sincronizzando l’erogazione della dose quotidiana con le fasi della respirazione.
Infine, la maggior accuratezza del trattamento radioterapico si traduce in una riduzione del rischio di tossicità correlato all’irradiazione degli organi sani circostanti, con conseguente minore incidenza degli effetti collaterali e possibilità di utilizzare dosi radianti più elevate, con maggiore efficacia terapeutica.

Condividi:
 

I gemelli digitali e biologici di D34Health

I gemelli digitali e biologici di D34Health
Partito il progetto finanziato grazie al Piano Nazionale per gli investimenti complementari al PNRR con un budget totale pari a 126,5 milioni di euro e che vede la cooperazione di di diversi attori pubblici e privati

Ha preso il via in questi giorni “Digital Driven Diagnostics, Prognostics, and Therapeutics for Sustainable Healthcare – D34Health, un importante progetto di ricerca finanziato grazie al Piano Nazionale per gli investimenti complementari al PNRR, destinato a iniziative di ricerca per tecnologie e traiettorie innovative in ambito sanitario e assistenziale.

Il progetto è proposto dall’Università La Sapienza e coordinato dalla Fondazione D34Health per sviluppare nuove soluzioni per diagnosi, monitoraggio e terapia di cinque patologie di riferimento: tumore del colon, tumori del fegato e del dotto biliare, tumore del sistema nervoso centrale, diabete di tipo uno e sclerosi multipla.

Attraverso un approccio di data mining, i ricercatori svilupperanno modelli digitali e biologici per lo studio delle patologie, ovvero gemelli digitali dei pazienti e gemelli biologici di organi o tessuti. Gemelli perché saranno creati con caratteristiche il più possibile sovrapponibili a quelle dei pazienti, per essere utilizzati in test di ampia gamma che forniranno risultati affidabili senza il ricorso alla sperimentazione animale. I modelli saranno sviluppati partendo dalla raccolta dei dati sanitari da un ampio numero di casi e da diversi ospedali, che verranno quindi analizzati attraverso algoritmi di intelligenza artificiale e integrati con dati raccolti attraverso tecnologie innovative come dispositivi indossabili, sensori e organ-on-chip.

Sinergie pubblico-privato

L’iniziativa, che ha preso il via in questi giorni con il kick-off meeting presso l’Università La Sapienza di Roma, è basato sulla cooperazione e integrazione delle competenze di diversi attori pubblici e privati. La Fondazione nata per coordinarlo è infatti composta da 28 partner tra università pubbliche e private, istituti di ricerca e imprese, e svolge attività di potenziamento della ricerca sulle tecnologie digitali in ambito sanitario, attraverso un sofisticato processo di data mining al fine di migliorare diagnosi, monitoraggio e cure.

Poli Torino foto

Il Politecnico di Torino – grazie al lavoro di Fabrizio Candido Pirri del Dipartimento di Scienza Applicata e Tecnologia-DIisat, responsabile scientifico del progetto per l’Ateneo – svilupperà, insieme al CNR, all’Ospedale San Raffaele, all’Università di Torino, al IRCCS di Candiolo e a numerose aziende, lo Spoke numero 4 del progetto, “Modelli biologici e bioingegnerizzati in vitro. L’Università contribuirà alla creazione di “Tecnologie indossabili, sensori e biomarcatori” per i modelli biologici, mettendo a disposizione le proprie competenze tecniche e tecnologiche per lo sviluppo, la sperimentazione e la validazione dei modelli biologici.

I modelli in vitro favoriscono lo sviluppo di metodi personalizzati per la medicina di precisione e il miglioramento delle attuali tecnologie e permetterà di sviluppare nuovi approcci terapeutici, contribuendo a portare la ricerca dal laboratorio al paziente e a sviluppare una medicina più personalizzata.

Il budget totale del progetto D34Health è pari a 126,5 milioni di euro, di cui il Politecnico di Torino avrà a disposizione 15,87 milioni di euro.

D34Health è uno dei quattro progetti che il MUR e il Ministero della Salute hanno deciso di lanciare per un investimento globale di 500 milioni di euro per permettere alle nuove tecnologie ICT di rendere più efficiente il sistema sanitario italiano. Unitamente alle attività di ricerca, il Politecnico di Torino avrà l’opportunità di realizzare in area Torinese, in collaborazione con l’Università di Torino, l’IRCCS di Candiolo, INRIM e l’azienda AIZOON, una infrastruttura di ricerca dedicata allo sviluppo di tecnologie hardware ICT dedicate al settore oncologico, neurologico e metabolico. Si tratta di oltre dieci milioni di euro che unitamente agli investimenti dei singoli partner potrebbero cambiare il panorama della ricerca nel settore biomedicale torinese.

Condividi: